网站大量收购独家精品文档,联系QQ:2885784924

基于双目视觉的树木高度测量方法研究.docx

基于双目视觉的树木高度测量方法研究.docx

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

随着人工智能时代的到来,计算机视觉领域被广泛应用到各个行业中。同样的,人工智能改变着传统林业的研究方法,林业信息工程技术日渐成熟。针对传统树高测量方法中存在的结果准确性不高、操作困难、专业知识转化为规则困难等问题,采用了一种基于双目立体视觉理论计算树高的方法,实现了树木高度的无接触测量。以双目相机作为采集设备,基于MATLAB、VS2015开发平台,采用张正友单平面棋盘格相机标定方法进行单目标定和双目标定,从而获取双目相机2个镜头的参数。通过SGBM算法和BM算法立体匹配后获得视差深度图像,进而获取树木关键点的三维坐标信息并以此来计算树木高度。将深度学习与双目视觉相结合可以实现树木同时在二维和三维空间的信息提取。在VS2015上的试验结果表明,该方法操作相对简单,并且能够较为准确地测量树木高度,SGBM算法树高测量结果的相对误差范围为0.76%~3.93%,BM算法相对误差范围为0.29%~3.41%。结果表明:采用双目视觉技术测量树木高度可以满足林业工程中对于树高测量的精度需要。

?

随着现代科学技术的迅速发展,林业管理工作效率需要不断提高,精准林业成为林业领域的发展趋势。

树木参数

树木参数是林业调查的重要指标,其中树高是森林调查的重要指标,对于树木生长具有一定参考价值。

机器视觉可代替人眼对物体进行检测和识别,较为常见的是利用单目摄像头。若要获取物体的深度信息,仅凭单目摄像头是不完善的,通常情况下需选择双目摄像头来获取物体三维信息。

目前,智能手机后置镜头数大多不少于2个,已达到双目视觉测量的物理环境,未来将双目视觉技术应用在智能手机上可以达到成本低、操作便捷的效果。

同样的,可以将双目视觉技术应用在无人机上,实现对地势复杂、不易拍摄的树木进行树高测量。此外,双目视觉技术对倾斜树木的树高测量具有一定价值和意义。

目前,大多采用传统的望远测树仪来测量树木高度。

邱梓轩等利用PDA模块、远程EDM模块、长焦CCD镜头模块和云台组成望远测树仪测量立木高度。有研究人员选择手持智能手机通过内置传感器获取参数,从而计算测得立木高度信息。

李亚东等以Android智能手机作为测量设备,调用Android中API接口中的三角函数对立木高度进行测量。

也有研究人员采用激光雷达点云数据对树高信息进行提取。刘金鹏等基于SkelTre算法对带有噪声的TLS(terrestriallaserscanning)数据生成骨架模型和图深度优先搜索算法提取单木信息。

对真实世界的植被进行了主动激光扫描,并提出了一种鲁棒地重建树木骨骼结构的自动方法。

提出了一种新的基于体素的标记邻域搜索方法,用于从移动激光扫描(mobilelaserscanning,MLS)点云数据中有效地识别行道树并获取其立木形态参数。

针对测量输电线路走廊中的树障,提出了一种双目视觉测距方法,用于测量输电线路与树木之间的距离。

采用了NCC(normalizedcrosscorrelation)立体匹配算法对苗木图像进行匹配,提取形态学参数。

Ni等用双目视觉的方法对树冠进行三维重建。

因此,选择一种具有良好准确率以及鲁棒性,并且较为经济的测量树木高度的方法可以满足精准林业的需求。

?

东北林业大学采用基于双目立体视觉原理的树木高度测量方法,对相机前方树木提取深度信息,获取树木关键点的空间三维坐标,从而计算树木高度;随机选取行道树进行试验研究,并验证该方法的合理性、有效性。

?

01

??双目视觉与相机标定

1.1??双目立体视觉模型

1.2??双目视觉系统测距原理

1.3??相机标定试验设备

1.4??标定方法与步骤

?

02

??匹配算法及树高测量方法

2.1??立体匹配

立体匹配是双目视觉系统中的核心部分,可确定多幅图像之间投影点间的一一对应关系,有效的立体匹配可以使关键点更加容易被提取。

?

2.2?SGBM算法

SGBM算法的整个过程如图6所示。

1)采用水平Sobel算子提取图像中的边缘,获取图像的梯度信息,保存起来的预处理图像将会进行代价计算。Sobel算子公式为:

2)代价计算。对左目图像和右目图像同时有两种处理方式:对输入图像经过SobelX水平算子处理后计算BT代价;对输入图像直接进行BT代价计算。前者可以更好地保留图像边缘和细节信息,后者将会更好地保留原图信息。

3)块计算。块计算的方法是根据选定像素点周围8个邻接像素的代价之和进行块匹配,在相对应的右目图片中,逐一对像素点周围8个代价值之和进行计算,当计算周围8个像素点的绝对值之和相差最小时,即认为匹配成功。

4)SGM算法。可达到多路径约束聚合的目的,使当前像素点受到周围多个方向路径的约束。为了优化更新像素点的代价,采用聚合公式来解决这些问题:

式中:E(D)为构建的能量函数;p、q为图中

您可能关注的文档

文档评论(0)

外卖人-小何 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档